Полный вперед или перспективы машинного обучения, искусственного интеллекта и данных на 2024 год
Рады представить Вашему вниманию наш десятый ежегодный обзор экосистемы данных, аналитики, машинного обучения и искусственного интеллекта.
За 10 с лишним лет работы в этой сфере я никогда еще не видел такого сумасшедшего (в хорошем смысле этого слова) движения, как мы можем наблюдать сегодня. Все тренды и субтренды, которые мы описывали ранее, наконец-то объединились: данные оцифрованы в огромных объемах; благодаря современным инструментам теперь их можно дешево хранить и быстро обрабатывать, а также анализировать; и, что самое важное, их можно передавать прогрессивным и сверхпроизводительным моделям МО/ИИ, способным осмысливать всю эту информацию, распознавать закономерности, делать на ее основе прогнозы, генерировать текст, код, изображения, видео и многое-многое другое.
Сегодня экосистема МО, ИИ и данных – самый настоящий мейнстрим, хотя всего несколько лет назад это была нишевая и исключительно техническая сфера деятельности. Смена парадигмы происходит со скоростью света, последствия этого процесса выходят далеко за рамки технологий, оказывая огромное влияние на нашу с Вами жизнь.
В этом обзоре, как и во всех предыдущих выпусках, мы попробуем разобраться в текущей ситуации. Рассмотрим компании и продукты, представленные на рынке, а также поговорим об основных отраслевых тенденциях.
Данный обзор состоит из 3 частей:
- Часть I: Общий анализ состояния экосистемы МО, ИИ и данных (PDF, интерактивная версия)
- Часть II: 24 главные темы 2024 года
- Часть III: Финансирование, слияния и поглощения, IPO
Часть I: Общий анализ состояния экосистемы МО, ИИ и данных
Общее количество компаний, представленных на рынке:
2011 шт.
В 2023 году этот показатель был равен 1416 шт, за год появилось 578 абсолютно новых проектов.
Для сравнения, в 2012 году на рынке было представлено всего лишь 139 компаний.
Такое большое количество компаний, занятых в интересующей нас с Вами сфере, обусловлено следующими причинами:
- 10-летний цикл развития инфраструктуры данных, который начался с появления Big Data и закончился рождением современного дата-стека (Modern Data Stack). Окончательной консолидации в этой сфере пока еще не было, на рынке представлены совершенно независимые друг от друга организации.
- Цикл МО/ИИ, начавшийся с появления генеративного ИИ. Поскольку мы все еще находимся в самом начале этого цикла, мы берем в расчет абсолютно все стартапы.
Примечание: эти две волны достаточно тесно связаны друг с другом. Основная идея каждого нашего обзора заключается в том, чтобы показать симбиотическую связь между инфраструктурой данных (слева), аналитикой/BI и МО/ИИ (посередине) и приложениями (справа).
Экосистему МО, ИИ и данных стоит рассматривать как сборочный конвейер обработки данных, охватывающий полный жизненный цикл данных от сбора, хранения, обработки до предоставления ценной информации конечному потребителю.
Две волны + умеренная консолидация компаний = большое количество компаний, работающих в сфере данных.
Основные изменения в части “инфраструктуры” и “аналитики“ данных:
В части инфраструктуры данных изменений практически нет, она является самой стабильной составляющей нашей экосистемы.
Наиболее значимые изменения:
- раздел «Абстракции баз данных» был переименован в «Мультимодельные базы данных и абстракции» (мы хотели отразить растущую популярность групп БД «все в одном» (SurrealDB*, EdgeDB);
- убрали раздел «Крипто / Аналитика данных web3», который мы экспериментально создали в прошлом году и который оказался совершенно неуместным сегодня;
- убрали раздел «Query Engine», который оказался скорее частью раздела, нежели чем отдельным разделом.
Основные изменения в части “МО и ИИ”:
Самая подвижная составляющая нашей экосистемы.
-
Учитывая огромную активность в сегменте «реализация возможностей ИИ» за последний год, мы добавили 3 новые категории (наряду с MLOps):
- “Наблюдаемость ИИ” - совершенно новая категория, добавленная в этом году, в которой представлены стартапы, занимающиеся тестированием и оценкой приложений LLM.
- категория “Платформы для разработчиков ИИ” по своей концепции близка к MLOps, но мы хотели отдельно выделить волну платформ, которые полностью сосредоточены на разработке приложений ИИ, в частности, на обучении и развертывании LLM.
- “Безопасность” включает компании, занимающиеся проблемами, присущими LLM, - от галлюцинаций до этики, соблюдения нормативных требований и т.д.
- Публичные разборки между Сэмом Альтманом и Илоном Маском дали нам понято то, что когда речь идет о разработчиках фундаментальных моделей ИИ, различие между коммерческими и некоммерческими компаниями является критическим. В связи с этим мы разделили то, что раньше называлось «Горизонтальный ИИ/Общий ИИ (AGI)», на две категории: «Коммерческие исследования ИИ» и „Некоммерческие исследования ИИ“.
- Мы скорректировали название раздела «Облако GPU», поскольку хотели отразить факт появления новых наборов инфраструктурных функций. Теперь данный раздел называется «Облако GPU / Инфраструктура ML”.
Основные изменения в части “Приложения”:
- Самое большое изменение в этой области заключается в том, что... к всеобщему удивлению... практически каждая вторая компания, занимающаяся приложениями, называет себя «компанией ИИ», что не могло не повлиять на общее количество организаций, представленных на рынке.
- Некоторые незначительные изменения в структуре радела:
- В раздел «Горизонтальные приложения» была добавлена категория «Презентация и дизайн».
- Категория «Поиск» была переименована в «Поиск / разговорный ИИ», поскольку мы хотели отразить рост числа чат-ботов на базе LLM, таких как Perplexity.
- В разделе «Промышленность» мы переименовали категорию «Правительство и ИИ» в «Аэрокосмическая и оборонная промышленность».
Основные изменения в части “Open Source инфраструктура”:
- Мы объединили категории «Доступ к данным» и «Операции с данными», которые, по сути, всегда были близки, в одну категорию под названием «Управление данными»
- Мы добавили совершенно новую важную категорию «Локальный ИИ», поскольку сегодня разработчики всерьез озадачены вопросом подготовки инфраструктурного инструментария для внедрения ИИ и LLM в локальные решения.
Часть II: 24 главные темы 2024 года
События в области ИИ развиваются так быстро, что сегодня практически невозможно составить полностью всеобъемлющий обзор «состояния дел» в экосистеме МО, ИИ и данных. Поэтому мы предлагаем Вам несколько другой формат исследования - мы выделили 24 наиболее популярные и обсуждаемые темы 2024 года. Пожалуйста, ознакомьтесь.
1. Структурированные vs неструктурированные данные
Одна из самых часто упоминаемых тем.
Мы все хорошо знаем, что данные неодинаковы. Сегодня можно выделить два основных семейства данных (конечно, это чрезвычайно упрощенный вариант), вокруг каждого из которых сформировался определенный набор инструментов и сценариев использования.
- Конвейеры обработки структурированных данных (данные, которые можно организовать в виде строк или столбцов).
- Данные извлекаются из транзакционных баз данных и SaaS-инструментов, хранятся в облачных хранилищах данных (например, Snowflake), преобразуются, анализируются и визуализируются с помощью инструментов бизнес-аналитики. Этот вариант конвейера обработки данных часто используется в современном стеке данных, о котором речь пойдет ниже. Конечная цель такого конвейера данных заключается в подготовке данных к аналитике.
- Помимо всего прочего структурированные данные могут использоваться и в «традиционных» моделях МО/ИИ для предсказания будущего (предиктивная аналитика) - например, для определения того, какие клиенты с наибольшей долей вероятности откажутся от Ваших услуг.
- Конвейеры обработки неструктурированных данных (этот мир данных, которые обычно не укладываются ни в строки, ни в столбцы: текст, изображения, аудио - и видео - файлы. Неструктурированные данные - это в основном то, чем оперируют генеративные модели ИИ (LLM и т. д.)
Эти два семейства данных (а также связанные с ними компании и инструменты) сегодня воспринимаются совершенно по-разному. Неструктурированные данные (МО/ИИ) - в тренде, структурированные данные (современный дата-стек (MDS) и т. д.) - нет.
2. Современный дата-стек – пережиток прошлого?
Не так давно (примерно 2019-2021 гг.) в мире ПО не было ничего более крутого и популярного, чем современный дата-стек (Modern Data Stack, MDS). Наряду с Big Data это была одна из редких инфраструктурных концепций, которая плавно перешла от дата-инженеров к более широкой аудитории (руководителям компаний, журналистам, банкирам и т.д.).
Modern Data Stack в основном охватывал тот тип структурированных данных, о котором говорилось выше.
Когда компания Snowflake стала крупнейшим IPO в истории программного обеспечения, интерес к MDS буквально взорвался. Разработчики обратили свое внимание на каталоги данных, наблюдаемость данных, ETL, обратный ETL и т.д.
MDS стал не только идеальным решением существовавшей на тот момент проблемы в области данных, но и действенной маркетинговой концепцией.
Сегодня все немного по-другому.
Два ключевых недостатка MDS, обозначившихся в 2023 и 2024 гг.:
- Создание современного дата-стека подразумевает объединение различных лучших решений от множества независимых поставщиков, что тесно связано с большими затратами денег, времени и ресурсов. Сегодня все стремятся к сокращению бюджета, что автоматически снижает привлекательность MDS.
- MDS и структурированные данные утратили свою актуальность. Сегодня гораздо популярнее генеративный ИИ, он захватил все внимание руководителей компаний, венчурных фондов и прессы. Таким образом, мы все переключились на неструктурированные данные.
3. Консолидация в области инфраструктуры данных, большие компании становятся еще больше
Учитывая все вышесказанное, чего можно ожидать в сфере инфраструктуры и аналитики данных в 2024 году?
Примерно следующего:
- Многие стартапы, связанные с MDS, начнут массово переквалифицироваться в «стартапы в сфере ИИ». Переход от структурированных данных к неструктурированным будет связан с фундаментальными изменениями в предлагаемых продуктах.
- Консолидация в области инфраструктуры данных. До 2023 года слияний и поглощений в этой области было, мягко скажем, немного. Но уже в этом году произошел ряд громких событий, которые обязательно повлияют на экосистему МО, ИИ и данных: Teradata купила Stemma, IBM купила Manta, а Thoughtspot - Mode (см. ЧАСТЬ III).
- Далеко не всем стартам, связанным с инфраструктурой данных, удастся удержаться на плаву. Главная причина - ограничение финансирования со стороны венчурных фондов.
- Крупные компании, занятые в этой сфере, будут стремиться к расширению функционала своих платформ по работе с данными. Частично это будет реализовано путем приобретения сторонних решений (отсюда и консолидации), но в основном, частично – за счет собственных разработок.
4. Databricks vs Snowflake
Начавшаяся в 2021 году борьба двух титанов, Snowflake и Databricks, продолжается до сих пор.
Snowflake (которая является выходцем из мира структурированных данных) и по сей день является одной из самых успешных компаний, занятых в сфере работы с данными. Однако за последние годы ее рост резко замедлился. Возможно, это связано с тем, что компания не спешит внедрять в свои решения ИИ. Кроме того, совсем недавно сменился генеральный директор корпорации.
Databricks (выходец из мира неструктурированных данных и МО), наоборот, демонстрирует высокие темпы развития. В отличие от своего главного конкурента эта компания постепенно становится ключевым игроком на рынке генеративного ИИ как за счет приобретений (MosaicML была куплена за 1,3 млрд долларов), так и за счет собственных разработок (создание различных моделей, таких как Dolly до DBRX, разработка новой модели генеративного ИИ и т.д.)
Новой вехой в соперничестве Snowflake и Databricks стал запуск аннонсированной в 2023 году Microsoft Fabric, представляющую собой сквозную облачную SaaS-платформу для работы с данными и аналитикой. Она объединяет множество продуктов Microsoft, включая OneLake (открытое озеро), PowerBI и Synapse Data Science, и охватывает практически все рабочие процессы, связанные с данными и аналитикой, от интеграции данных и проектирования до Data Science.
5. «BI 2024» и «Генеративный ИИ» изменят аналитику данных?
Бизнес-аналитика – эта та самая категория из мира MDS и структурированных данных, которая больше всего нуждается в переосмыслении.
Трансформация BI происходит медленнее, чем мы ожидали. В отрасли по-прежнему доминируют достаточно «старые» продукты: PowerBI от Microsoft, Tableau от Salesforce и Looker от Google. В 2024 году произошло еще несколько консолидаций (Thoughtspot приобрела Mode; Snowflake купила Sisu).
Набирает популярность генеративный ИИ, который неизбежно демократизирует сферу аналитики данных. OpenAI запустил Code Interpreter, позже переименованный в Advanced Data Analysis. Microsoft запустила чат-бот Copilot AI для финансовых работников в Excel. Разработчики активно работают над созданием продуктов «text to SQL», некоторые из них уже выпущены.
Перспективы в этой области поистине захватывающие. В частности, ожидается, что естественный язык (если он станет интерфейсом для блокнотов, баз данных и BI-инструментов), позволит гораздо более широкому кругу людей проводить анализ данных самостоятельно. Однако многие представители BI-индустрии настроены скептически. Они считают, что для эффективной работы с данными необходимо виртуозное владение SQL и глубокое понимания бизнес-контекста, что присуще ограниченной категории пользователей.
Взлет современного ИИ дата-стека (Modern AI Stack)
Многое из того, что мы обсуждали до сих пор, относилось к миру конвейеров обработки структурированных данных.
Неструктурированные же данные - это пища для LLM, и на них существует бешеный спрос. Каждая компания, которая экспериментирует или внедряет генеративный ИИ, заново открывает для себя непреложную истину: «Данные - это новая нефть». Всем нужна мощь LLM, обученных на их (корпоративных) данных.
Несколько компаний, занимающихся масштабированием ИИ, активно развивают свои собственные предложения. Это в первую очередь касается Databricks (см. выше), Scale AI (которая развила свою инфраструктуру маркировки, изначально разработанную для автомобильного рынка, и стала партнером OpenAI в качестве корпоративного конвейера данных) и Dataiku (которая запустила свою LLM Mesh для того, чтобы позволить компаниям Global 2000 беспрепятственно работать сразу с несколькими поставщиками и моделями LLM).
В то же самое время появляется совершенно новое поколение стартапов, занимающихся разработкой инфраструктуры ИИ, в различных областях:
- Векторные БД, хранящие данные в формате (векторные вкрапления), который могут использовать генеративные модели ИИ. Такими решениями занимаются как узкоспециализированные поставщики (Pinecone, Weaviate, Chroma, Qudrant и др.), так и многопрофильные компании (MongoDB).
- Фреймворки для работы с LLM (LlamaIndex, Langchain и др.
- Настройки LLM, которые следят за тем, чтобы модель выдавала пользователям результаты, соответствующие правилам выпустившей ее организации.
- Оценщики, которые помогают тестировать, анализировать и контролировать производительность моделей генеративного ИИ.
- Маршрутизаторы, которые в целях оптимизации производительности и стоимости помогают направлять запросы пользователей к различным моделям LLM в режиме реального времени.
- Показатели затрат, которые помогают отслеживать расходы на использование LLM.
- Эффективные API, которые скрывают от конечного пользователя все сложности базовой инфраструктуры.
Мы долго сопротивлялись использованию термина «современный ИИ дата-стек», учитывая всю историю современного дата-стека. Но вынуждены признать, что это выражение как нельзя лучше отражает всю многогранность современных технологических тенденций.
Столкнется ли новое поколение стартапов в области ИИ с теми же проблемами, что и их предшественники - MDS-компании? Получится ли у них превратиться в многомиллиардную организацию, поставляющую передовые решения в области работы с данными? Какую часть рынка заберут себе мастодонты отрасли (Databricks, Snowflake,облачные провайдеры)?
7. На каком этапе развития ИИ мы находимся в данный момент?
История развития ИИ насчитывает несколько десятилетий. Только за последние 10-12 лет мы наблюдаем уже третий цикл ажиотажа вокруг ИИ: первый датируется 2013-2015 годами, когда после выхода ImageNet 2012 в центре внимания глубокое обучение оказалось; второй относится в 2017-2018 годам, характеризующихся бумом чатботов и появлением TensorFlow; и, собственно говоря, третий цикл, начавшийся в ноябре 2022 года, когда все заговорили о генеративном ИИ.
Особая интенсивность этого цикла объясняется следующими причинами: технология поистине впечатляющая; она охватывает аудиторию далеко за пределами технических специалистов; венчурные фонды готовы вкладывать в ее развитие огромные суммы денег. Короче говоря, всем хайпам хайп!
Но не стоит забывать о том, что у каждой медали есть обратная сторона.
Ажиотаж вокруг ИИ сопряжен с большим количеством рисков: компании, занятые в этой области, имеют ,мягко говоря, «необычную» и абсолютно непрозрачную юридическую и управленческую структуру; на рынке происходит слишком много сделок типа «вычисления в обмен на капитал», которые, опять же, не до конца понятны; многие ведущие стартапы управляются командами энтузиастов и исследователей ИИ; большинство сделок с венчурными фондами напоминают времена Политики нулевой процентной ставки (ZIRP): «захват территории», большие раунды и заоблачная стоимость совсем еще «зеленых» компаний.
Конечно, далеко не все подвержены массовой истерии вокруг ИИ (см. ниже), но по большому счету мы все еще находимся на том этапе, когда каждая новая тема, связанная с этой областью, вызывает взрыв мозга. А такие новости, как сообщения о фонде ИИ в Саудовской Аравии объемом 40 млрд долларов, свидетельствуют о том, что данная сфера находится на пике популярность и будет финансироваться еще несколько лет.
8. Эксперименты vs реальность: а не запутал ли нас всех 2023 год?
А насколько вообще профпригодны все эти ИИ технологии? Это пока еще эксперименты или уже полностью готовые к использованию продукты ?
2023 год был очень насыщенным и плодотворным на события: а) практически все поставщики технологий в области работы с данными включили генеративный ИИ в свои продукты, б) каждый совет директоров Global 2000 обязал свои команды «заниматься ИИ», некоторые корпоративные изменения происходили буквально со скоростью света, в том числе в таких крупных организациях, как Morgan Stanley и Citibank, и в) конечно же, сами потребители проявили бешеный интерес к приложениям генеративного ИИ.
В результате 2023 год стал годом больших побед: годовой оборот OpenAI составил в 2 млрд долларов; Anthropic развивалась такими быстрыми темпами, что вполне возможно, что в 2024 году ее выручка будет равна 850 млн долларов; годовая выручка Midjourney, компании с командой из всего лишь 40 человек, выросла до 200 млн долларов (без инвестиций); общее количество активных пользователей Perplexity AI составило 10 млн человек.
А так ли все на самом деле круто, как может показаться на первый взгляд? Давайте копнем чуть глубже:
- В корпоративном секторе большая часть расходов приходилась на проверку концепций;
- Решают ли все эти модные ИИ технологии реальные бизнес-задачи, или это не больше чем просто модное веяние?
- В потребительском секторе пользователи «скачут» от одного ИИ приложения к другому. Может быть, это простое любопытство?
- Как в личной, так и в профессиональной жизни многие отмечают, что не совсем понимают, что делать с приложениями и продуктами генеративного ИИ.
- Далеко не все продукты генеративного ИИ, даже созданные лучшими умами в области работы с данными, выстрелят. В середине 2023 года Inflection AI получила 1,3 млрд долларов на развитие Inflection for Enterprise и … через какое-то время свернула этот проект. Можем ли мы рассматривать такое решение как признание того, что миру не нужен еще один ИИ чат-бот или даже поставщик LLM?
9. LLM-компании: так ли все однозначно, как кажется на первый взгляд?
Сегодня в развитие LLM компаний вкладываются поистине космические суммы, исчисляемые миллиардами долларов.
Отсюда вопрос: а не выбрасываем ли мы все эти деньги на ветер или все эти LLM-провайдеры - это будущие AWS, Azure и GCP?
Тревожным сигналом является то, что, похоже, ни один из LLM не может гарантировать постоянство производительности, кроме того, одна модель постоянно обгоняет другую. На момент написания статьи Claude 3 Sonnet и Gemini Pro 1.5 работали лучше, чем GPT-4, который опередил Gemini 1.0 Ultra, и так далее, - но все меняется чуть ли не каждую неделю. Производительность LLM также может колебаться - в какой-то момент времени ChatGPT «сошел с ума» и буквально «разленился», чем серьезно огорчил своих пользователей.
Кроме того, все популярнее и популярнее становятся open-source модели (Llama 3, Mistral и другие, например DBRX).
Отдельно стоит отметить и тот факт, что на рынке сегодня представлено гораздо больше поставщиков LLM, чем ожидалось ранее. Пару лет назад подавляющая часть экспертов была уверена в том, что в этой сфере может быть только одна- максимум две компании - отчасти потому, что в мире не так много специалистов, которые обладают опытом и навыками эффективного масштабирования трансформеров.
Как оказалось, способных команд гораздо больше. Помимо OpenAI и Anthropic существует ряд стартапов, успешно занимающихся развитием ИИ - Mistral, Cohere, Adept, AI21, Imbue, 01.AI, и, конечно же, команды Google, Meta и т. д.
При этом пока что у самих поставщиков LLM все в шоколаде. Доходы OpenAI и Anthropic растут в геометрической прогрессии. Возможно, чуть позже модели LLM и станут коммодитизированными, но у LLM-компаний все еще есть огромный потенциал для дальнейшего развития. Они уже стали организациями «полного дата-стека», предлагающих помимо своего основного продукта приложения, решения и инструменты, ориентированные на совершенно разную аудиторию (потребителей, предприятий, разработчиков).
10. LLM и SLM – будущее за гибридными решениями
При всем ажиотаже вокруг больших языковых моделей одной из очевидных тенденций последних нескольких месяцев стало ускорение развития малых языковых моделей (SML), таких как Llama-2-13b от Meta, Mistral-7b и Mixtral 8x7b от Mistral, Phi-2 и Orca-2 от Microsoft.
LLM становятся все более и более навороченными (по сообщениям из разных источников GPT-3 содержит 175 миллиардов параметров, GPT-4 - 1,7 триллиона, вот-вот появится еще более мощная GPT-5), при этом SLM в некоторых случаях ничуть не хуже: они гораздо дешевле в эксплуатации, их намного легче настраивать, да и зачастую предлагают своим пользователям более высокую производительность.
Еще одна важная тенденция - это рост числа специализированных моделей, ориентированных на решение конкретных задач, например, на кодирование (Code-Llama, Poolside AI) или на отрасли (например, финансовая модель Bloomberg, стартапы Orbital Materials, создающие модели для создания более совершенных материалов, и т. д.).
При этом при всем уже сейчас со 100% 0й уверенностью можно сказать, что мир эволюционирует в сторону гибридных архитектур, сочетающих в себе сразу несколько моделей.
Несмотря на снижение стоимости (см. ниже), большие проприетарные LLM по-прежнему являются достаточно дорогостоящими, поэтому пользователи/заказчики в целях минимизации расходов будут искать комбинации моделей: LLM и SLM, коммерческих и open-source решений, общего назначения и узкоспециализированных.
11. Традиционного ИИ больше нет?
Запуск ChatGPT разделил жизнь ИИ на «до» и «после». Большая часть направлений ИИ, которые использовались вплоть до этого момента, в одночасье стали называться «традиционным ИИ», произошло явное обособление «генеративного ИИ». Это немного шокировало многих специалистов по ИИ и компании, которые до этого момента считались передовыми.
На самом деле все гораздо сложнее. Традиционный ИИ и генеративный ИИ в конечном итоге очень хорошо дополняют друг друга.
То, что сейчас называется «традиционным ИИ» или «предсказательным ИИ», или даже «табличным ИИ», на самом деле, также является частью современного ИИ (основанного на глубоком обучении). Однако этот тип ИИ, как правило, ориентирован на структурированные данные (см. выше) и такие ключевые задачи, как прогнозирование поведения клиентов, оптимизация политики ценообразования, управление запасами и т.д.
В отличие от него, генеративный ИИ в основном работает с неструктурированными данными (текст, изображения, видео и т. д.) решает такие задачи, как генерация кода, изображений, поиск информации и т. д.
И в этой сфере будущее - за гибридными технологиями.
12. Тонкие обертки, толстые обертки и гонка за полным стеком
«Тонкие обертки» - вот тот пренебрежительный термин, который все так любили использовать в 2023 году. Сложно заручиться уважением, если Ваши основные возможности обеспечиваются за счет чужой технологии (как у OpenAI). Появившиеся несколько месяцев назад сообщения о том, что такие мощные стартапы, как Jasper, сейчас испытывают сложности, только подтверждают эту точку зрения.
Всем интересно понять, что происходит по мере того, как молодые стартапы наращивают свой функционал. Станут ли «тонкие» обертки «толстыми»?
Похоже, что в 2024 году обертки данных должны стать одновременно и «тонкими» и «толстыми»:
- Фокусирование на конкретной проблеме, часто вертикальной, поскольку все слишком горизонтальное рискует оказаться в «зоне поражения» Big Tech.
- Организация процессов, совместной работы и глубоких интеграций, специфичных для каждой конкретной проблемы.
- Много работы на уровне моделей ИИ - будь то настройка моделей на базе конкретных наборах данных или создание гибридных систем (LLM, SLM и т. д.), предназначенных для решения задач, присущих каждой отдельной области.
Другими словами, обертки должны быть как узкоспециализированными, так и «полностековыми» (как приложения, так и инфраструктура).
13. На что стоит обратить свое внимание в 2024 году: агенты искусственного интеллекта, Edge AI
В последнее время много шума наделала концепция агентов искусственного интеллекта - по сути, последней мили интеллектуальной системы, которая может выполнять задачи из самых разных областей. Это может быть что угодно - от помощи в бронировании отеля (потребительский вариант использования) до автоматического запуска полноценных SDR-кампаний (продуктивный вариант использования) и автоматизации в стиле RPA (корпоративный вариант использования).
ИИ-агенты - это вершина автоматизации - парадигма «от текста к действию», когда ИИ делает все за нас.
Каждые несколько месяцев мир ИИ сходит с ума по агентоподобным продуктам: от BabyAGI до Devin AI («инженер-программист ИИ»). Однако, как показала практика, этот ажиотаж оказался преждевременным. Для того, чтобы сложные системы, включающие в себя несколько моделей, смогли работать вместе и предпринимать реальные действия от нашего имени, нам придется еще очень и очень много поработать., в том числе, и над недостающими компонентами (например, нужно встроить в системы ИИ больше памяти).
Еще одна интересная область – это Edge AI. Наряду с большим спросом на LLM, работающих в огромных масштабах и поставляющихся в виде конечных точек, существует потребность в моделях, которые могут работать локально на устройстве без GPU, в частности, на телефонах, а также на интеллектуальных устройствах типа IoT. Такими моделями занимаются как сравнительно небольшие и новые компании, такие как Mixtral, Ollama, Llama.cpp, Llamafile, GPT4ALL (Nomic), так и такие гиганты, как Google и Apple.
14. Генеративный ИИ движется по направлению к AGI?
Это почти кощунственный вопрос, особенно учитывая то факт, что об искусственном интеллекте говорят с придыханием, а новые продукты появляются чуть ли не каждую неделю. И все-таки, существует ли мир, в котором прогресс в области генеративного искусственного интеллекта замедляется вплоть до AGI?
Подобное предположение во многом похоже на размышления шестилетней давности, подробно описанные в нашем Обзоре 2018 года. Действительно, что точно изменилось за эти несколько лет, так это огромное количество данных и вычислений, которые мы бросаем на новые (и все более и более способные) модели.
Насколько мы близки к «исчерпанию» возможностей вычислений или технологий обработки данных, оценить очень сложно.
Кажется, что граница «исчерпания вычислительных ресурсов» отодвигается с каждым днем все дальше и дальше. Недавно NVIDIA анонсировала выход системы Blackwell GPU, компания со всей уверенностью утверждает то, что она сможет развернуть модель с 27 триллионами параметров (у GPT-4 их «всего» 1,7 триллиона).
С данными все еще сложнее ввиду вопросов, связанных с нехваткой легальных лицензионных данных (см. все сделки по лицензированию OpenAI), а также текстовых данных в целом.
Огромное количество надежд возлагается на GPT-5. То, насколько он окажется лучше GPT-4, будет рассматриваться в качестве индикатора прогресса в области ИИ.
С точки зрения стартапов, этот вопрос, возможно, не так важен - если бы прогресс в генеративном ИИ достиг асимптоты уже завтра, у нас все еще были бы годы бизнес-возможностей для развертывания того, что мы имеем сейчас, в самых различных направлениях.
15. Войны GPU (переоценена ли NVIDIA?)
Находимся ли мы в самом начале эры, когда вычисления станут самым ценным товаром в мире, или же производство GPU перегружено до предела, что непременно приведет к катастрофе?
Являясь практически единственным игроком на рынке GPU с поддержкой генеративного ИИ, NVIDIA сегодня просто цветет и пахнет: цена акций компании выросла в пять раз (рыночная капитализация составила 2,2 трлн долларов), общий объем продаж увеличился в три раза (по сравнению с концом 2022 года), а Дженсен Хуанг (генеральный директор) соревнуется с Тейлор Свифт за звание персоны 2024 года.
В любом случае, какой бы крутой не была эта компания, ее дальнейшая судьба будет зависеть от того, насколько точно она сможет определить спрос на свою продукцию в долгосрочной перспективе. Сложно сказать, сколько именно GPU нужно будет произвести на тайваньском заводе TSMC
Кроме того, конкуренты буквально наступают NVIDIA на пятки. В их число входят как такие гиганты, как Intel и Samsung, так и стартапы, такие как Groq или Cerebras. Новая коалиция технологических компаний, включающая в себя Google, Intel и Qualcomm, пытается положить конец гегемонии CUDA (ПО, из-за которого разработчики привязаны к чипам Nvidia).
Мы считаем, что все-таки несмотря на все попытки конкурентов NVIDIA удастся оставить за собой звание лидера в области производства чипов искусственного интеллекта.
16. Open source ИИ – это уже слишком?
Мы являемся большими поклонниками ИИ с открытым исходным кодом, и, очевидно, что это одна из самых главных тенденцией последнего года или около того.
Meta сделала большой шаг вперед, представив широкой публике свои модели Llama, французский Mistral превратился в главную движущую силу генеративного ИИ, а Google выпустила Gemma. Некоторые из самых инновационных работ в области генеративного ИИ были сделаны в сообществе разработчиков с открытым исходным кодом.
Однако в том же самом коммьюнити наблюдается «инфляция». Сейчас доступны сотни тысяч моделей ИИ с открытым исходным кодом, многие из которых являются игрушками или проектами выходного дня. Они то поднимаются, то опускаются в рейтингах, так и не превратившись во что-то действительно полезное.
Рынок постепенно уравновесится и научится саморегуляции, выделив действительно успешные open-source проекты, которые получат поддержку со стороны облачных провайдеров и других крупных технологических компаний.
17. Сколько на самом деле стоит ИИ?
Экономика генеративного ИИ – тема острая и животрепещущая. И неудивительно. Можно ли всерьез противостоять Google в части поиска информации, если стоимость предоставления ответов на основе ИИ значительно выше, чем стоимость предоставления десяти синих ссылок? Могут ли компании, занимающиеся разработкой ПО, работать на основе ИИ, если затраты на получение выводов съедают огромную часть их валовой прибыли?
Если Вы заказчик/пользователь моделей ИИ, Вам повезло. Огромная конкуренция на данном рынке сэкономит Вам кучу денег. Одним из ключевых факторов снижения стоимости ИИ продуктов стало параллельное развитие ИИ с открытым исходным кодом (Mistral и т. д.), а также деятельность коммерческих вендоров, занимающихся разработкой выводов (Together AI, Anyscale, Replit), которые берут эти открытые модели и используют их в качестве конечных точек. Клиенты практически ничего не тратят на переключение ( за исключением работы с разными моделями, дающими разные результаты), и это оказывает давление на OpenAI и Anthropic, вынуждая их снизить стоимость использования своих продуктов.
С точки зрения производителей затраты на создание и обслуживание ИИ остаются достаточно высокими. В СМИ несколько раз сообщали о том, что Anthropic потратила более половины полученного дохода на оплату услуг облачных провайдеров, таких как AWS и GCP, для запуска своих LLM. Кроме того, приходится оплачивать и лицензионные сделки с издателями.
С другой стороны, возможно, все мы, пользователи генеративных технологий, должны просто наслаждаться тем изобилием бесплатных сервисов, субсидируемых венчурными фондами, которое есть сегодня:
18. Крупнейшие компании и меняющаяся политическая экономика ИИ: победа за Microsoft?
Один из первых вопросов, которым все задавались в конце 2022 года, и который до сих пор не утратил своей актуальности, звучит следующим образом: сможет ли Big Tech получить большую часть стоимости генеративного ИИ?
ИИ вознаграждает за размер - больше данных, больше вычислений, больше исследователей ИИ, как правило, дают больше мощности. Big Tech прекрасно это понимают.
Особенно активна в плане ИИ компания Microsoft, пытающаяся успеть везде. Очевидно, что в первую очередь речь идет об отношениях с OpenAI, в которую Microsoft впервые инвестировала в 2019 году, а в этом году вложила 13 миллиардов долларов. Кроме того, компания несколько лет подряд финансировала деятельность Inflection AI (Pi), а совсем недавно и вовсе купила ее.
В конечном итоге подобные решения только увеличивают потребность в облачных вычислениях Microsoft - за год доход Azure вырос на 24 % и достиг 33 миллиардов долларов (II 2024 года, причем 6 квартал 2024 года), основная часть которого приходится именно на ИИ.
Для справки:
Microsoft является крупнейшим инвестором OpenAI, при этом называет его одним из своих главных конкурентов в области ИИ (самый значимый продукт компании в данном сегменте – это чат-бот Inflection AI). Кроме того, корпорация также является ключевым партнером Databricks, при этом конкурирует и с данной компанией, предлагая своим пользователям платформу Azure AI.
Тем временем Google и Amazon активно сотрудничают с главным конкурентом OpenAI компанией Anthropic и инвестируют в нее немалые суммы (на момент написания статьи Amazon выделила компании еще 2,75 млрд долларов в рамках второго транша запланированных инвестиций в размере 4 млрд долларов). Amazon также работают вместе и с open-source платформой Hugging Face. Кроме того , Google и Apple якобы обсуждают возможность интеграции Gemini AI в продукты Apple. Вполне возможно, что Meta опередит их всех вместе взятых, полностью перейдя на ИИ с открытым исходным кодом.
Очевидный вопрос - насколько велика вероятность успеха стартапов, работающих в этой области, учитывая такую активную деятельность крупнейших технологических гигантов? Первый эшелон стартапов (в основном OpenAI и Anthropic, к которым, возможно, скоро присоединится и Mistral), похоже, наладил правильные партнерские отношения и тем самым обеспечил себе хорошее будущее. Про судьбу других стартапов пока говорить рано.
19. Что будет с наикрутейшей OpenAI?
OpenAI продолжает удивлять - оценка в 86 миллиардов долларов, беспрецедентный рост доходов, дворцовые интриги, а Сэм Альтман - Стив Джобс следующего поколения.
И все-таки есть, о чем подумать:
А не пытается ли OpenAI сделать слишком много? Во время последнего OpenAI Dev Day руководство компании дало ясно понять, что собирается делать абсолютно все в области ИИ, как по вертикали (полный стек), так и по горизонтали (все сценарии использования): модели + инфраструктура + потребительский поиск + предприятие + аналитика + инструменты разработчика + рынок и т.д. Безусловно, это очень сложная задача, особенно в условиях обострившейся конкуренции. Проблемы с «ленью» ChatGPT и низкая производительность его маркетплейса говорят о том, что даже OpenAI не застрахован от неудач.
Расстанутся ли OpenAI и Microsoft? Их отношения всегда были очень интересными. Очевидно, что поддержка Microsoft была колоссальной в плане ресурсов (включая вычисления) и распространения (Azure для предприятий), и этот шаг был широко расценен как мастерский ход Microsoft на ранних этапах волны генеративного ИИ. В то же время, как уже упоминалось выше, Microsoft дала ясно понять, что не зависит от OpenAI (имеет весь код, вес, данные), сотрудничает с конкурентами (например, Mistral), и благодаря приобретению Inflection AI значительно усилила свою команду исследователей ИИ.
Захочет ли OpenAI и дальше работать в однопоточном режиме в партнерстве с Microsoft или решит развертываться в облаках?
Учитывая масштабные амбиции OpenAI и стремление Microsoft к мировому господству, в какой момент обе компании придут к выводу, что они, скорее, конкуренты, чем партнеры?
20. Станет ли 2024 год годом ИИ на предприятиях?
Как уже говорилось ранее, 2023 год в корпоративном секторе (под которым понимаются компании Global 2000) был похож на один из тех переломных годов, когда все стремятся внедрить новую тенденцию, но на деле ничего особенного не происходит.
Было несколько попыток внедрить отдельные продукты ИИ, которые обеспечивают «быстрые победы», не требуя усилий со стороны всех сотрудников компании (например, применение Synthesia, основанного на ИИ сервиса генерации видео для создания обучающих видеоматериалов).
Безоговорочным победителями генеративного ИИ на предприятиях стала Accenture (по сообщениям, в прошлом году в качестве гонорара за консультирование по вопросам ИИ Accenture получила 2 млрд долларов).
Как бы то ни было, есть огромная надежда, что 2024 год станет важным для ИИ годом в плане корпоративных решений - или, по крайней мере, для генеративного ИИ, поскольку традиционный ИИ уже и так там как следует освоился (см. выше).
Но мы пока еще не получили ответы на некоторые ключевые вопросы, с которыми сталкиваются компании типа Global 2000:
- Каковы варианты использования ИИ на предприятиях? На данный момент наиболее востребованными являются следующие задачи: а) создание кода для команд разработчиков, б) управление информацией (поиск, обобщение текста, перевод и т. д.) и в) ИИ чат-боты для обслуживания клиентов. Безусловно, есть и другие потребности (маркетинг, автоматизированные SDR и т. д.)
- Какие инструменты стоит выбрать? Из всего вышесказанного следует, что будущее - за гибридными инструментами, сочетающими в себе коммерческих поставщиков и открытый код, LLM и SLM, горизонтальные и вертикальные инструменты GenAI. Но с чего начать?
- Кто будет развертывать и поддерживать все эти инструменты? В компаниях Global 2000 наблюдается явная нехватка квалифицированных кадров. Если Вы думали, что набрать разработчиков программного обеспечения сложно, просто попробуйте набрать инженеров машинного обучения.
- Как убедиться в том, что у них нет галлюцинаций? Да, сейчас ведется масштабная работа над RAG, ограждениями, оценками и т. д., но даже сама вероятность того, что инструмент генеративного ИИ может ошибаться - это большая проблема для предприятия.
- Какова рентабельность инвестиций? Крупные технологические компании достаточно рано начали использовать генеративный ИИ в своей деятельности и сейчас готовы поделиться с нами самыми первыми данными. В своем последнем отчете о прибыли и убытках Palo Alto Networks упомянула о снижении стоимости услуг по техническому обслуживанию и ремонту примерно на 50 %, а ServiceNow - о повышении скорости инноваций разработчиков на 52 %, но нам еще только предстоит понять соотношение затрат и прибыли по генеративному ИИ на предприятиях.
Хорошая новость для поставщиков генеративного ИИ заключается в том, что корпоративные заказчики действительно готовы к выделению бюджета (что важно, уже не «инновационного» бюджета, а реального бюджета на операционные расходы, возможно, перераспределенного из других мест) и ресурсов для освоения передовых технологий. Но, вероятно, речь идет о 3-5-летнем цикле внедрения.
21. ИИ - убийца SaaS?
Одна из тех самых идей, которые не давали покоя представителям мира данные весь прошлый год.
ИИ в 10 раз улучшает качество кода, поэтому всего несколько среднестатистических разработчиков смогут создать индивидуальную версию SaaS-продукта под Ваши нужды. Так зачем платить много денег поставщику SaaS, если можно создать свой собственный код?
Далее, будущее – за одним ИИ-интеллектом (возможно, состоящим из нескольких моделей), который будет управлять всей Вашей компанией с помощью ряда агентов. Вы больше не будете покупать программное обеспечение для управления персоналом, финансами или продажами, потому что все это и многое другое будет делать искусственный интеллект, причем полностью автоматизированный и бесшовный.
Сейчас кажется, что мы еще далеки от обоих предположений, но, как мы все знаем, в сфере ИИ все меняется очень быстро.
А пока мне кажется, что вероятная версия будущего заключается в том, что SaaS-продукты будут становится мощнее и мощнее, поскольку искусственный интеллект будет встроен в каждый из них.
22. ИИ покончит и с венчурным капиталом?
Сможет ли ИИ автоматизировать венчурный капитал, как с точки зрения выбора компаний, так и с точки зрения создания добавленной стоимости после инвестирования?
Не слишком ли мал венчурный капитал? OpenAI уже привлекла миллиарды долларов и, возможно, привлечет еще больше. Многие из этих миллиардов были предоставлены крупными корпорациями, такими как Microsoft. Конечно, многие венчурные фонды также инвестировали в другие крупные компании, занимающиеся разработкой ПО. Возможно, для инвестиций в ИИ, по крайней мере когда речь идет о LLM-компаниях, потребуются мегакрупные венчурные фонды - на момент написания статьи Саудовская Аравия собиралась запустить фонд ИИ объемом 40 млрд долларов, поддерживаемый американскими венчурными фирмами.
Венчурный капитал слишком велик? Если искусственный интеллект сможет в 10 раз увеличить производительность компаний, то вполне вероятно, что в ближайшее время мы станем свидетелями рождения совершенно нового поколения полностью автоматизированных компаний, управляемых небольшой командой или даже одним человеком, которые теоретически будут способны генерировать баснословные доходы (и выйти на биржу)? Нужен ли венчурный капитал компании с ARR в 100 млн долларов, управляемой всего одним предпринимателем?
Реальность всегда более многогранная, но в любом случае пока достаточно трудно поверить в то, что создание реальной стоимости будет происходить либо на уровне базовой модели, либо на уровне приложений.
23. Возродит ли искусственный интеллект потребительский сектор?
Потребители, привыкшие к социальным сетям и мобильным устройствам, находятся в поисках свежего глотка воздуха. Генеративный ИИ вполне может им стать.
В качестве особенно интересного примера можно привести компанию MidJourney, появившуюся, казалось бы, из ниоткуда, при этом заработавшую около 200 и 300 миллионами долларов (что особенно удивительно, учитывая тот факт, что команда организации состоит всего лишь из 40-60 человек).
Другие интересные направления:
- Поиск: впервые за последние десятилетия у поисковой монополии Google появились серьезные конкуренты. Несколько стартапов, таких как Perplexity AI и You.com, возглавляют переход от поисковых систем к системам ответов.
- ИИ-компаньоны: а что, если у каждого человека будет бесконечно терпеливый и услужливый компаньон, настраивающийся на его конкретные потребности, будь то знания, развлечения или лечение.
Существует предположение о том, что гиперперсонализированный ИИ-компаньон, который вполне может стать лучшим другом или даже психотерапевтом, - это не антиутопия, а, наоборот, очень даже реалистичный и желаемый вариант развития событий, который приведет к уменьшению одиночества, насилия и, возможно, войн.
- Аппаратное обеспечение ИИ: Humane, Rabbit, VisionPro - интересные и многообещающие новинки в области потребительского оборудования
- Гиперперперсонализированные развлечения: какие новые формы развлечений и искусства мы изобретем, учитывая тот факт, что инструменты на базе генеративного ИИ становятся все лучше (и, что немало важно, дешевле)?
История развития нашего с Вами опыта просмотра кино:
2005: идем в кинотеатр
2015: дружно пользуемся Netflix
2025: попросим LLM создать новый сезон Narcos, действия которого должны происходить в Сирии, а в главных ролях будут Брэд Питт, МистерЗверь и Трэвис Келс. И все это великолепие мы хотим посмотреть уже сегодня вечером!
24. ИИ и блокчейны – чушь собачья или вполне себе реальная перспектива?
Знаю, знаю. Союз ИИ и криптовалют кажется идеальным материалом для острых шуток в X/Twitter.
Однако никто не поспорит с тем, что ИИ становится любимчиком компаний, обладающих наибольшим количеством вычислений, данных и талантов в области ИИ - от Big Tech до знаменитого OpenAI. Между тем, суть предложения блокчейна заключается в создании децентрализованных сетей, позволяющих ее участникам обмениваться ресурсами и активами. Мы уже достаточно давно изучаем эту область, поскольку она кажется нам действительно интересной.
Ряд криптопроектов, связанных с ИИ, заметно продвинулись вперед, в том числе Bittensor (децентрализованная платформа машинного интеллекта), Render (децентрализованная платформа рендеринга на GPU) и Arweave (децентрализованная платформа данных).
В этом году мы не стали включать в наш обзор раздел, посвященный криптовалютам, хотя это очень интересная для изучения область.
Как всегда, вопрос в том, сможет ли криптоиндустрия помочь сама себе и не превратиться в сотни мемекоинов, связанных с ИИ и мошенничеством.
Другие интересные темы, которые мы не стали раскрывать в рамках этого обзора:
- ИИ убьет нас всех? Нигилисты ИИ vs ярые сторонники ИИ
- Регулирование, конфиденциальность, этика, дипфейки
- ИИ может быть родом только из Сан-Франциско?
«Весь искусственный интеллект создается в Сан-Франциско»..
Часть III: Финансирование, слияния и поглощения, IPO
Финансирование
Сегодня на рынке данных условно представлены 2 области: ИИ и все остальное.
Общий объем финансирования во «все остальное» продолжает снижаться, сократившись на 42 % до 248,4 млрд долларов в 2023 году. Первые несколько месяцев 2024 года демонстрируют некоторое оживление, но в целом пока тенденция остается примерно такой же.
Инфраструктура данных, по всем вышеописанным причинам, практически не финансировалась (за исключением Sigma Computing и Databricks).
А вот ИИ - это совсем другая история.
Основные особенности финансирования ИИ в 2024 году:
- Большая часть капитала направлена на инвестирование деятельности многообещающих стартапов, в частности OpenAI, Anthropic, Inflection AI, Mistral и др.
- Отмечается непропорционально высокая активность корпоративных инвесторов. Тремя наиболее активными инвесторами в ИИ в 2023 году были Microsoft, Google и NVIDIA.
- Существует некоторая неясность в вышеупомянутых корпоративных сделках относительно того, какая сумма является реальной наличностью, а какая - «вычислениями в обмен на капитал».
Некоторые наиболее значимые сделки, заключенные с момента выхода нашего обзора за 2023 год, в практически хронологическом порядке (список далеко не полный!):
- OpenAI в ходе двух раундов привлек 10,3 млрд долларов и теперь оценивается в 86 млрд долларов;
- Adept, еще один разработчик фундаментальной модели, привлек 350 млн долларов, теперь его состояние оценивается в 1 млрд долларов;
- AlphaSense, платформа для исследования рынка финансовых услуг, в ходе двух раундов привлекла 475 млн долларов и теперь оценивается в 2. 5 млрд долларов;
- Anthropic, еще один разработчик фундаментальных моделей, в ходе трех раундов привлекла 6,45 млрд долларов, в результате чего состояние компании оценивается в 18,4 млрд долларов;
- Pinecone, платформа векторных баз данных, привлекла 100 млн долларов, текущее состояние компании оценивается в 750 млн долларов;
- Celestial AI, платформа оптических соединений для вычислений, в ходе двух раундов привлекла 275 млн долларов;
- CoreWeave, поставщик GPU Cloud, привлек 421 млн долларов (текущее состояние - примерно 2. 5 млрд долларов);
- Lightmatter, разработчик чипа для вычислений, работающего на свету, в ходе 2 раундов привлекла 308 млн долларов и теперь оценивается в 1,2 млрд долларов;
- Sigma Computing, облачной платформе для анализа данных, удалось привлечь 340 млн долларов и достигнуть оценки в 1,1 млрд долларов;
- Inflection, еще один разработчик фундаментальных моделей, привлекл 1. 3 млрд долларов;
- Mistral, разработчик фундаментальных моделей, в ходе двух раундах привлек 528 млн долларов и теперь оценивается в 2 млрд долларов;
- Cohere, (сюрприз - сюрприз) разработчик фундаментальных моделей, привлек 270 млрд долларов;
- Runway, разработчик генеративных видеомоделей, привлек 191 млн долларов (состояние оценивается в 1. 5 млрд долларов;
- Synthesia, платформа генерации видео, разработанная для предприятий, привлекла 90 млрд долларов (текущее состояние ~ 1 млрд долларов;
- Hugging Face, ML и Data Science платформа для работы с open-source моделями, привлекла 235 млн долларов (текущее состояние составляет около 4. 5 млрд долларов);
- Poolside, разработчик фундаментальных моделей для генерации кода и разработки программного обеспечения, привлекла 126 млн долларов;
- Modular, платформа для разработки ИИ, привлекла 100 млн долларов;
- Imbue, разработчик агентов ИИ, привлек 212 млн долларов;
- Databricks, поставщик данных, аналитики и решений для ИИ, привлек 684 млн долларов (текущее состояние оценивается в 43. 2 млрд долларов);
- Aleph Alpha, разработчик фундаментальных моделей, привлекла 486 млн долларов;
- AI21 Labs, разработчик фундаментальных моделей, привлекла 208 млн долларов;
- Together, облачная платформа для разработки генеративного ИИ, в ходе двух раундов привлекла 208,5 млн долларов и теперь оценивается в 1,25 млрд долларов;
- VAST Data, платформа данных для глубокого обучения, привлекла 118 млн долларов;
- Shield AI, разработчик экспериментального ИИ для аэрокосмической и оборонной промышленности, привлекла 500 млн долларов и достигла состояния в 2,8 млрд долларов;
- 01.ai, разработчик фундаментальных моделей, привлекла 200 млн долларов;
- Hadrian, производитель прецизионных компонентов для аэрокосмической и оборонной промышленности, привлекла 117 млн долларов;
- Sierra AI, разработчик ИИ-чатботов для обслуживания клиентов, в ходе двух раундов привлекла 110 млн долларов;
- Glean, платформа корпоративного поиска на базе ИИ, привлекла 200 млн долларов;
- Lambda Labs, поставщик GPU Cloud, привлекла 320 млн долларов;
- Magic, разработчик фундаментальных моделей для генерации кода и разработки программного обеспечения, привлекла 117 млн долларов, текущее состояние компании оценивается в 500 млн долларов.
Слияния и поглощения
После выхода Обзора за 2023 год на рынке слияний и поглощений было довольно тихо.
Многие постоянные покупатели программного обеспечения были сосредоточены на цене своих акций и собственном бизнесе, а не на активном поиске вариантов для потенциального приобретения.
Adobe отказалась от покупки Figma
JetBlue отказалась от покупки Spirit Airlines
Amazon отказывается от сделки по покупке iRobot за 1,4 млрд долларов, поскольку не видит «перспектив получения одобрения со стороны регулирующих органов»
Некоторые наиболее значимые сделки с компаниями, появившимися на рынке МО, ИИ и данных в течение нескольких последних лет (в порядке убывания масштаба):
- Компания Broadcom, производитель полупроводников, приобрела компанию VMWare, специализирующуюся на облачных вычислениях, за 69 млрд долларов;
- компания Cisco, специализирующаяся на создании сетевых инфраструктур и систем безопасности, приобрела платформу мониторинга и наблюдения Splunk за 28 млрд долларов;
- компания Qualtrics, специализирующаяся на управлении клиентским опытом, была приобретена Silver Lake и CPP Investments за 12. 5 млрд долларов;
- Coupa, платформа управления расходами, была приобретена Thoma Bravo за 8 млрд долларов;
- New Relic, платформа мониторинга и наблюдаемости, была приобретена Francisco Partners и TPG за 6,5 млрд долларов;
- Alteryx, платформа анализа данных, была приобретена Clearlake Capital и Insight Partners за 4,4 млрд долларов;
- Salesloft, платформа оркестровки доходов, была приобретена Vista Equity за 2, 3 млрд долларов, которая затем купила Drift, разработчика чатботов с искусственным интеллектом для работы с клиентами;
- Databricks, поставщик Data Lake, приобрел MosaicML, платформу для разработки искусственного интеллекта, за 1.3 млрд долларов (а также еще несколько компаний, например Arcion и Okera);
- Thoughtspot, платформа для анализа данных, приобрела Mode Analytics, стартап в области бизнес-аналитики, за 200 млн долларов;
- Snowflake, поставщик хранилищ данных, приобрел Neeva, поисковую систему с искусственным интеллектом для потребителей, за 150 млн долларов;
- DigitalOcean, поставщик облачного хостинга, приобрел Paperspace, стартап в области облачных вычислений и разработки ИИ, за 111 млн долларов;
- NVIDIA, производитель чипов для облачных вычислений, приобрела OmniML, платформу для оптимизации ИИ/МО.
И, конечно же, не обошлось и без нашумевшей сделки, не предполагающей прямого приобретения – речь идет о компании Microsoft и Inflection AI.
Станет ли 2024 год годом слияний и поглощений в сфере ИИ? Многое зависит от дальнейшего развития рынка.
В нижнем сегменте рынка за последние 12-18 месяцев было профинансировано множество молодых ИИ-стартапов с достаточно сильными командами. В этой нише произошло достаточно много приобретений - часто по ценам, которые казались несоизмеримо большими с реальной стоимостью компаний, однако настоящие таланты в области ИИ всегда были редкостью.
На более высоком уровне рынка существуют серьезные предпосылки для дальнейшей конвергенции между ведущими платформами данных и ведущими платформами ИИ. Однако такие сделки, скорее всего, будут стоить гораздо дороже.
IPO?
На публичных рынках ИИ стал самым горячим трендом. Акции «великолепной семерки» (Nvidia, Meta, Amazon, Microsoft, Alphabet, Apple и Tesla) в 2023 году подорожали как минимум на 49 % и привели к росту общего фондового рынка.
В целом, на публичных рынках все еще ощущается острая нехватка чистых акций ИИ. Имеющиеся акции приносят своим компаниям большие доходы - в 2023 году акции Palantir подскочили на 167 %.
Вопрос о том, как OpenAI и Anthropic будут относиться к публичным рынкам, до сих пор остается открытым.
В целом 2023 год был очень бедным с точки зрения IPO. Только несколько компаний, связанных МО, ИИ и данными, вышли на биржу:
- Klaviyo, платформа для автоматизации маркетинга, вышла на биржу с оценкой в 9,2 млрд долларов в сентябре 2023 года (см. наш разбор Klaviyo S-1);
- Reddit, платформа для социальных сетей в стиле форума (которая лицензирует свой контент игрокам искусственного интеллекта), вышла на биржу с оценкой в 6,4 млрд долларов в марте 2024 года;
- Astera Labs, компания, производящая полупроводники и предоставляющая интеллектуальные возможности подключения для искусственного интеллекта и облачной инфраструктуры, вышла на биржу с оценкой в 5,5 млрд долларов в марте 2024 года.
Заключение
Мы живем в удивительное время, именно сейчас мы находимся в начале смены парадигмы. Самое время экспериментировать и пробовать новое. И это только начало …
Думать, что Вы слишком стары для ИИ сегодня, все равно, что думать, что Вы слишком стары для Интернета в 1996 году.
